令牌桶VS漏桶：谁才是流量控制的“最优解”？

大家好，我是小富～

面试被问到限流算法，很多面试官会让直接手写令牌桶和漏桶的实现。虽然平时用过Redis、Guava等现成的限流工具，但真要手写还是有点慌。今天就来聊聊这两种经典限流算法的区别，并用Java手写实现。

很多的限流工具底层都应用了它们

一、令牌桶 vs 漏桶：核心区别

令牌桶

令牌桶的核心思想：固定容量的桶，以固定速率往桶里放令牌，请求来了就从桶拿令牌，没令牌就拒绝。

有点像买票进站，想去坐火车就先去售票窗口买票，买到票了就凭票进入，买不到等待，因为窗口会定时的放票，再去抢。

下图是用Ai生成的，大致能体现出这么个意思

令牌桶特点：

1、可以处理突发流量（桶里有令牌就能用），因为并不是一直请求都很多，但会一直以固定速率向桶里添加令牌，请求少时桶内令牌满了，请求激增可以满桶拿令牌顶一阵

2、原理和实现上相对简单

3、内存占用小

漏桶适用场景：

接口限流：保护业务系统或者敏感接口

防止恶意攻击：抵御Dos或DDos攻击

...... 它的优势在于能够限制平均速率，同时允许一定的突发流量

漏桶

漏桶的核心思想比令牌桶早更简单：请求像水一样流入桶中，桶以固定速率"漏水"处理请求，超出桶容量的请求被丢弃或排队。

漏桶的特点：

1、输出非常平滑稳定

2、能有效保护下游系统（流量平滑）

3、❌ 无法处理突发流量

4、❌ 可能造成请求延迟

漏桶适用场景：

数据库连接池：保护数据库不被过载

消息队列消费：控制消费速率

支付系统：确保支付处理稳定性

二、手写实现

令牌桶实现

java 复制代码

public class TokenBucket {
    // 桶容量（最大令牌数）
    privatefinallong capacity;
    // 令牌填充速率（令牌/秒）
    privatefinallong refillRate;
    // 当前令牌数量
    private AtomicLong tokens;
    // 上次填充时间戳（纳秒）
    privatelong lastRefillTime;

    public TokenBucket(long capacity, long refillRate) {
        this.capacity = capacity;
        this.refillRate = refillRate;
        this.tokens = new AtomicLong(capacity);
        this.lastRefillTime = System.nanoTime();
    }

    // 示例使用
    public static void main(String[] args) throws InterruptedException {
        // 创建桶：容量10令牌，每秒填充5令牌
        TokenBucket bucket = new TokenBucket(10, 2);

        // 模拟请求
        for (int i = 1; i <= 50; i++) {
            if (bucket.tryAcquire()) {
                System.out.println("请求" + i + ": 通过");
            } else {
                System.out.println("请求" + i + ": 限流");
            }
            Thread.sleep(100); // 100ms请求一次
        }
    }

    /**
     * 尝试获取令牌
     *
     * @return true-获取成功，false-被限流
     */
    public synchronized boolean tryAcquire() {
        refillTokens();
        if (tokens.get() > 0) {
            tokens.decrementAndGet();
            returntrue;
        }
        returnfalse;
    }

    /**
     * 尝试获取多个令牌
     *
     * @param numTokens 请求令牌数
     */
    public synchronized boolean tryAcquire(int numTokens) {
        refillTokens();
        if (tokens.get() >= numTokens) {
            tokens.addAndGet(-numTokens);
            returntrue;
        }
        returnfalse;
    }

    // 根据时间差补充令牌
    private void refillTokens() {
        long now = System.nanoTime();
        // 计算时间差（秒）
        double elapsedSec = (now - lastRefillTime) * 1e-9;

        // 计算应补充的令牌数
        long tokensToAdd = (long) (elapsedSec * refillRate);
        if (tokensToAdd > 0) {
            tokens.set(Math.min(capacity, tokens.get() + tokensToAdd));
            lastRefillTime = now;
        }
    }
}

使用 AtomicLong 保证线程安全。
通过时间差动态计算补充的令牌数。
桶容量限制突发流量的最大值。

漏桶实现

java 复制代码

import java.util.concurrent.atomic.AtomicLong;

publicclass LeakyBucket {
    // 桶容量（最大请求数）
    privatefinallong capacity;
    // 漏水速率（请求/秒）
    privatefinallong leakRate;
    // 当前水量（待处理请求数）
    private AtomicLong water;
    // 上次漏水时间戳（毫秒）
    privatelong lastLeakTime;

    public LeakyBucket(long capacity, long leakRate) {
        this.capacity = capacity;
        this.leakRate = leakRate;
        this.water = new AtomicLong(0);
        this.lastLeakTime = System.currentTimeMillis();
    }

    // 示例使用
    public static void main(String[] args) throws InterruptedException {
        // 创建桶：容量5请求，每秒处理2请求
        LeakyBucket bucket = new LeakyBucket(5, 1);

        // 模拟请求
        for (int i = 1; i <= 15; i++) {
            if (bucket.tryPass()) {
                System.out.println("请求" + i + ": 通过 (当前水位: " + bucket.water.get() + ")");
            } else {
                System.out.println("请求" + i + ": 限流 (水位溢出)");
            }
            Thread.sleep(200); // 200ms请求一次
        }
    }

    /**
     * 尝试通过漏桶
     *
     * @return true-允许通过，false-被限流
     */
    public synchronized boolean tryPass() {
        leakWater();
        if (water.get() < capacity) {
            water.incrementAndGet();
            returntrue;
        }
        returnfalse;
    }

    // 根据时间差漏水
    private void leakWater() {
        long now = System.currentTimeMillis();
        // 计算时间差（秒）
        long elapsedMs = now - lastLeakTime;
        if (elapsedMs > 0) {
            // 计算漏水量
            long leaked = (long) (elapsedMs * leakRate / 1000.0);
            if (leaked > 0) {
                water.updateAndGet(cur -> Math.max(0, cur - leaked));
                lastLeakTime = now;
            }
        }
    }
}

漏出速率固定，确保请求处理平滑。
水量超过容量时直接拒绝请求。

三、测试对比

java 复制代码

public class RateLimiterTest {
    public static void main(String[] args) throws InterruptedException {
        // 测试令牌桶：容量10，每秒填充5个令牌
        TokenBucket tokenBucket = new TokenBucket(10, 5);

        // 测试漏桶：容量10，每秒漏出5个请求
        LeakyBucket leakyBucket = new LeakyBucket(10, 5);

        System.out.println("=== 令牌桶测试（支持突发） ===");
        testTokenBucket(tokenBucket);

        Thread.sleep(1000);

        System.out.println("\n=== 漏桶测试（平滑输出） ===");
        testLeakyBucket(leakyBucket);
    }

    private static void testTokenBucket(TokenBucket bucket) {
        // 模拟突发请求
        for (int i = 0; i < 15; i++) {
            boolean success = bucket.tryConsume(1);
            System.out.printf("请求%d: %s (当前令牌: %.1f)%n", 
                i + 1, success ? "通过" : "拒绝", bucket.getCurrentTokens());
        }
    }

    private static void testLeakyBucket(LeakyBucket bucket) {
        // 模拟突发请求
        for (int i = 0; i < 15; i++) {
            boolean success = bucket.tryConsume();
            System.out.printf("请求%d: %s (当前水量: %.1f)%n", 
                i + 1, success ? "通过" : "拒绝", bucket.getCurrentWater());
        }
    }
}

四、面试要点总结

面试官可能会问的问题：

Q: 两种算法的核心区别是什么？

A: 令牌桶允许突发，漏桶强制平滑输出

Q: 什么场景用令牌桶，什么场景用漏桶？

A: 需要处理突发用令牌桶，需要保护下游用漏桶

Q: 如何选择桶的容量和速率？

A: 根据业务峰值、系统承载能力、用户体验综合考虑

Q: 分布式环境下如何实现？

A: 可以用Redis实现，或者用一致性哈希分片

说在后边

手写限流算法是一般在高级别的面试中不太会出现，但它们的基础概念要掌握，在考场景题时它们都是不错的方案。

简单记：令牌桶像ATM机，有钱就能取；漏桶像水龙头，固定流速出水。

完活！